第7章 打造高效运转的增长引擎

7.1 创业公司Canva的增长流程

Canva是澳大利亚增长最快的创业公司之一。
简单来说，它们的产品是Photoshop的线上简化版本（见图7-1），
让对设计一窍不通的用户也可以迅速做出媲美Phototshop效果的美丽设计。
在成立的短短两年时间里，Canva吸引了800万用户，以及超过5000万美元的风险投资。

通过免费功能实现病毒传播是Canva增长策略的重要组成部分，每月有上百万名新用户首次使用Canva的各种免费功能，
因此Canva增长团队的一个重要的聚焦点就是新用户激活。
他们通过系统性的增长实验流程，成功地将好几个免费功能的新用户激活率提高了10%以上，累积为公司带来了上百万美元的利润。

Canva增长团队的流程分为7步（见图7-2）：
①寻找机会；
②收集数据；
③形成假设；
④进行实验；
⑤分析结果；
⑥双倍下注；
⑦100%发布。

下面，我们就以其中一个免费功能——海报制作为例，看看Canva的增长团队是如何一步一步做增长的。

• 第一步，寻找机会

Canva增长团队的目标是提高新用户激活率，首先增长团队需要决定从哪里下手。
Canva的产品有多个免费功能，都是重要的新用户获取渠道。
因此，新用户是否能够尽快上手使用这些功能对于Canva的增长至关重要。
Canva的增长团队经过比较，决定聚焦在“海报制作”这个功能上，
因为和其他免费功能相比，“海报制作”这个功能带来了Canva高达20%～30%的新注册用户，因此这个功能的激活率提升对增长的贡献最大。

点评：
Canva的增长团队从增长这个大的目标细化到新用户激活，然后进一步聚焦到“海报制作”功能的激活优化，
这样的思路在增长实验中极为重要，因为它把大的目标分解开来，找到能影响大目标的小变量，一下子就把实验思路打开了。
设想一下，你有两个目标，
一个是“将明年新用户数提高10%”，
一个是“提高海报功能的新用户激活率10%”，面对第一个抽象的大目标，你可能会觉得无从下手；
针对第二个具体的小目标，你脑子里各种各样的实验想法可能一下子就冒出来了，因此操作性要强得多。

• 第二步，收集数据

在有了“海报制作”功能这个聚焦点之后，Canva的增长团队进入了问题研究和数据收集阶段，
这一阶段的目标就是尽可能多地收集数据，弄清楚使用这个功能的新用户的目标是什么，Canva如何更好地能帮他们达成目标。

Canva增长团队建立了一个三步的数据收集流程：
1）第一步是可用性测试：
目的是观察新用户试用“海报制作”功能和注册过程中有哪些让人困惑的用户互动设计；
2）第二步是用户问卷：
给那些尝试了“海报制作”功能，但是没有注册成功的用户发邮件，了解他们为什么流失了；
3）第三步是另一份用户问卷：
这个问卷是发给刚刚注册成功的新用户，目的是了解有哪些不同类型的用户，以及他们试用“海报制作”这个产品的动机都是什么。

Canva的增长团队开始在收集到的数据中寻找规律，
他们发现这些用户的目的五花八门，有的是给课程做海报，有的是给摇滚音乐会做海报，所以这些人对于背景图片和工具功能的需求自然很不相同。
Canva的海报产品一上来就给新用户提供的是一模一样的功能和图片，必然会导致一部分用户无法迅速上手，而最终流失。

点评 ：
Canva的增长团队在找到方向之后，没有盲目地进入“乱枪瞎打”的实验阶段，而是花时间做用户测试、问卷调查和数据分析，
从这些数据中产生的洞察给接下来的增长实验指明了方向。
所谓“磨刀不误砍柴工”，在增长中这意味着，收集和分析定量数据并进行定性调查，
这些做法看起来会多花一些时间，但都能让增长“飞刀”变得更锋利，打得更准。

• 第三步，形成假设

从用户调研中，Canva增长团队了解到两个问题的答案：
一是用户是谁；二是用户想要做什么。
针对“怎么样才能让用户迅速达成自己的目标”这样一个问题，增长团队开始形成假设。
其中一个假设是，如果Canva能够了解不同用户的目标，设计个人化的新用户引导流程，帮他们更快完成任务，就能够提升用户的激活和注册比例。
因为当人们想要做一个设计时，他们通常希望在当天就完成，如果拖到一天后，可能很大一部分用户就流失了，那时候任何手段的意义都不大了。

点评 ：
Canva的增长团队根据数据中得来的洞察，形成了一个假设。
这个假设是很靠谱的，
第一，它有真实数据的支持，不是去解决一个想当然的问题；
第二，许多其他公司尝试过类似的个人化新用户引导流程，都有不错的结果。
事实上，从数据分析中寻找支持和参考其他公司的成功案例，是降低增长实验失败的风险、提高胜率的两个主要途径。

• 第四步，进行实验

根据上述假设，Canva增长团队设计了个人化的新用户欢迎信息页，给用户提供不同的海报设计做选择（见图7-3），
而这些海报都是在用户问卷中最受欢迎的类型，比如活动海报、零售海报、募捐海报等。
然后，他们与设计师和工程师团队合作，迅速上线了个人化新用户欢迎版本并开放给5%的新用户，
而95%的用户则作为对照组，仍然看到老的版本。

点评 ：
进入到实验开发和设计阶段说起来容易，做起来难。
起初，Canva每上线一个增长实验，都要经过至少6周左右的等待时间，
因为要经过设计团队完成设计→增长团队负责人批准→进入开发团队计划图→开发团队开发→QA团队测试→2次同级评阅→上线的全过程。
后来随着合作的加强和流程的优化，以及一个新用户激活测试工具Appcues的使用，效率有了很大的提高。
所以，一个好的增长工作流程至关重要，只有这样才能保证迅速准确地上线实验。

• 第五步～第六步，分析结果和双倍下注

大概2～3周之后，实验结果达到了统计显著性。
Canva增长团队分析了数据，事实证明团队的假设是正确的，给新用户不同的海报类型选择，
并且针对他们的目标提供个人化的新手引导体验，成功提高了10%以上的“海报制作”功能的激活率。

Canva的增长团队乘胜追击，对这个新用户欢迎信息页进行了持续优化。
他们继续A/B测试一些小的元素，如文本、设计、图表等。
其中一个测试是找到那些点击率较低的海报图片，用一些同类型但设计得更美观的海报图片代替，
这个改动进一步又带来了2%的激活率提升，将最终的激活率提高了12%。

点评 ：
Canva的增长团队通过A/B测试的方法把新的改动和原有版本做了对比，从而可以清晰地确定新版本的效果提升是确实存在的。
对新用户激活率10%的提升是很不错的结果，但他们没有匆匆上线了事，而是进一步寻找优化的空间。
这也是一些新手增长团队容易忽视的一点：
一旦发现针对某个点的测试有结果，不要急着进入到下一个增长项目，而应该多花一些时间在这个点上继续探索，通常都能找到进一步提升的空间。
这是增长中一种行之有效的“双倍下注”的做法。

• 第七步，100%发布

Canva的增长团队最终向所有用户发布了个人化的新用户引导流程，这直接带来了每个月10000名以上的新增激活用户。
Canva的增长团队接下来也将这个成功的经验应用到了其他产品上，
给Canva for Business和Canva首页全都加入了个人化的新用户引导，也都取得了10%以上的激活率提升，累积为公司带来了上百万美元的利润。

点评 ：增长团队在总结和衡量自己的工作结果时，要学会把增长实验的结果和公司的关键增长指标联系起来。
比如，Canva的增长团队就将10%的海报产品激活率提升，换算成“每个月10000名以上的新增激活用户”，以及最终“上百万美元的利润”。
否则虽然单个增长实验的结果很好，大家看到的可能还是某个局部的数据点的提升，无法有效地和整个公司的商业结果联系起来，
从而会产生“增长实验”都是小打小闹、数字游戏的想法。
值得指出的是，Canva增长团队也继续把“海报制作”功能实验的成功结果应用到其他产品线上，
这种乘胜追击、“双倍下注”的做法，可以帮助实现增长效用最大化。

7.2 打造高效运转的增长引擎

从Canva的例子可以看出，一个增长团队要想长期高效地产出好的结果，绝不是靠“乱枪打鸟”偶然获得的，
而是需要打造一个高效运转的增长引擎：一个高度纪律性、系统性的增长流程。

7.2.1 增长流程的两个阶段

增长流程包括宏观上的战略制定和微观上的战术执行两个阶段。

战略制定阶段
首先需要增长团队深入理解公司的商业模式，通过思考和分析找到北极星指标，搭建增长模型。
然后根据北极星指标和增长模型制定核心增长目标，并通过指标分解的方式，找到现阶段对核心增长目标影响最大的聚焦领域。
接下来，针对聚焦领域进行定性和定量数据分析，制定初步的增长战略。
增长目标一旦制定了，就是比较长期的，以一年左右的时间重新审阅、调整比较合适。
而每次选定的聚焦领域也建议维持60～90天不变，太短的时间不足以让团队充分地进行实验，探索各种可能。

宏观上的战略和目标一旦制定了，就进入了微观上的战术执行阶段，我们把它称为“增长冲刺”（Growth Sprint）。
增长冲刺一般以一周或双周为单位，是指增长团队针对某一个聚焦领域，以提高某个指标为目的，进行快速迭代实验的过程，
具体包含：产生实验想法、给想法按优先级排序、设计和上线实验、分析数据和应用结果几个步骤。
我们曾在1.2节中介绍过这一增长流程（见P9的图1-5）。

7.2.2 增长规划图：连接战略与执行的“活文档”

一般来说，增长战略和目标是宏观的增长计划，如果要具体执行，需要有一个较为翔实的计划来落到实处。
这时候，一份增长规划图就有了用武之地。

增长规划图（Growth Roadmap）是一份连接战略与执行的工作文档。
它和产品规划图（Product Roadmap）类似，是一份不断变化的“活文档”。
相对固定的部分是增长指标、目标和战略，但它最主要的内容是详细地记录实现这些战略和目标的计划。
增长规划图可以帮助增长团队清晰地记录增长战略和实验想法，同时也有利于和其他团队沟通和讨论。

需要注意的是，和产品功能开发相比，增长实验的迭代周期较短，需要根据实验结果及时调整方向。
如果实验没能产生设想的结果则需要及时地分析原因，如证明这个假设错误，可能要干脆把相关的实验都取消；
如果实验效果很好，证明假设正确，则需要加大对这个方向的投入，乘胜追击，持续优化。
因此，增长规划图在具体内容上要保持一定的灵活性。

表7-1是一份增长规划图的样本，它包含：
1）战略部分：总增长目标、某细分增长团队的目标、关键子目标以及相应的战略、公司目前的聚焦领域；
2）战术部分：针对聚焦领域的实验假设和实验想法。

接下来两节的内容我们会详细地讲解如何一步一步地完成一份增长规划图。

7.3 增长战略制定

7.3.1 设定增长目标

增长团队战略制定的第一步是需要找到正确的增长KPI，并设定一个清晰明确的目标。

一般来说，北极星指标就是公司的核心增长KPI。
这一步骤很重要，因为在错的指标上花力气，不仅有着巨大的机会成本，还可能会有负面的影响。

有了正确的增长KPI后，还要设定一个清晰的目标。

比如，我们假设有一家在线酒店预订网站叫作ABC订房网，
它的北极星指标是订房数，而增长团队的目标就是今年完成1500万的订房数。
这个目标有两个特点：
第一，它是一个绝对值，不是一个百分比或比例；
第二，它是一个非常清晰的数值，不是模糊地说“提高数量”。

一般来说，第一次制定增长目标时，增长团队并没有太多的历史数据可以依赖。
所以，到底应该定1500万还是1000万，增长团队需要做一个判断，使得这个目标需要费点劲儿才能完成，但又不是完全没有希望。
一旦设定了目标，增长团队内部以及领导层需要在全公司从上到下反复沟通这个目标，
使得各个功能团队之间有一个共识，为增长团队的成功创造好的条件。

Zillow是一家美国线上房地产信息公司，它们内部每年都要制定一个增长目标，每年都有不同的侧重点和主题，  
比如搜索引擎优化（SEO）就是其中某一年的主题。  
这个目标一旦确定，Zillow的CEO会在各个公司会议上不停地提到和重复这个目标，  
使得公司上下各层级员工对增长团队的目标都非常清楚，  
其他团队会把“给增长团队的项目提供支持”排在非常高的优先级，这就有力地保障了目标的达成。 

有些增长团队在制定目标时，会考虑采用百分比。
假如ABC订房网把增长目标定为“将新用户订房成功率提高15%”的话，
这个目标会受到分子“新用户订房成功数”和分母“新用户数”两部分影响。

从理论上讲，如果增长团队控制新用户数量，并且只允许那些质量最高的用户注册，
那就更容易达到这个目标，但是这却不能与公司的终极增长目标相一致。
所以选取一个绝对值“新增订房数”作为目标，既好理解，又好沟通，也符合公司的最终利益。

7.3.2 指标分解：发现增长切入点的撒手锏

增长团队的核心原则之一，是在任何时候都要找到在当时的情况下，对增长潜在影响最大的领域，
然后集中火力在那个领域进行实验，推动增长指标的实现，也就是所谓的“寻找增长杠杆”。

根据这个增长模型，指标分解可以分为以下两步：
1）第一步是横向分解：
按照用户的群组，按照“加法”的方式把大的增长指标拆分为小的指标。

比如ABC订房网的例子，它的增长指标可以很容易地拆分为如下结构：
2017年订房数（1500万）= 新用户的首次订房数（500万）+ 已有用户的订房数（1000万）

很多时候，这种拆分也和增长团队的设置相一致。比如，Facebook月活跃用户的指标可以分解为：
月活跃用户数=新增月活跃用户数+留存活跃用户数+流失活跃用户唤回数

正好对应它们增长团队内部新用户团队、用户留存团队和流失用户唤回团队的划分。
这样每个小的增长团队都可以有自己的子目标，子目标加总就合成了总目标。

2）第二步是纵向分解：
按照用户的生命旅程，通过“乘法”的方式将子目标进一步拆解为更细的漏斗步骤。

比如ABC订房网的例子，经过第一步，它的增长指标拆分如下：
2017年订房数（1500万）= 新用户的首次订房数（500万）+ 已有用户的订房数（1000万）

接下来，假设ABC订房网也有一个专门的新用户增长团队，
他们负责完成500万的新用户首次订房数目标，这个小目标下一步应该如何拆分呢？

秘诀在于，通过绘制用户旅程找到能够影响这个小目标的关键输入变量。
我们通过增长模型的思路，进一步对新用户首次订房的漏斗进行拆解：

新用户首次订房数=新增用户数×新用户首次订房成功百分比×每人平均订房数

所以要实现新用户首次订房数达到500万的目标，ABC订房网的新用户增长团队可以考虑的方向是：
①增加从各个渠道获取的新用户数量；
②提高新用户首次订房成功的百分比；
③提高每人平均订房数。

7.3.3 找到聚焦领域

经过横向和纵向两轮目标分解，ABC订房网的新用户增长团队已经将新用户首次订房数500万的指标，分解到了三个可能的方向上。

如果ABC订房网的新用户增长团队足够大，这三个方向可以齐头并进。
但在绝大多数情况下，资源是有限的，怎么办呢？

我们需要做的就是通过分析和研究，找到性价比最高的聚焦领域。

增长团队针对这三个方向进行了定量和定性研究。
每个人的订房数显然更多地取决于用户的需要，比较难以改变。
如何拉新用户有一些可能的思路：
一是目前老用户推荐新用户的比例略低于行业参考值，这个比例应该有一定提升空间；
二是有几个新的用户获取渠道，
例如Snapchat社交平台广告和苹果应用商店搜索广告，虽然这两个渠道还比较新，但发展势头很好，值得尝试。

但是潜在影响最大的还是新用户首次订房的成功率，目前只有9%左右，还有较大的优化空间。
同时，通过第2章对增长模型的讨论我们也知道，提高新用户激活率是一个半衰期更长的项目，
可以放大所有新用户获取渠道的成果，同时改善用户留存曲线，因此对长期增长的影响更大。

因此经过分析，ABC订房网的新用户增长团队决定把“提高新用户首次订房的成功率”作为接下来的聚焦领域，
而把用户推荐和尝试新渠道作为备选方向。

■子目标1：提高新用户首次订房的成功率（聚焦领域）
■子目标2：提高老用户推荐新用户的比例（备选方向）
■子目标3：尝试新获取渠道以增加新用户数（备选方向）

对于经过分析思考得出的备选方向及相应战略，也可以记录在增长规划图上，但是可以较为简略。
针对接下来的聚焦领域，则需要制定更为详尽的计划，来指导增长冲刺。

7.4 增长战术执行：增长冲刺

在有了清晰的增长目标和聚焦领域后，
在接下来的60～90天内，增长团队就进入了具体的执行阶段，也就是7.2.1小节所介绍过的“增长冲刺”阶段。

在ABC订房网的例子中，新用户增长团队决定把提高新用户首次订房比例定为聚焦领域。
这就意味着在接下来的2～3个月之内，增长团队要集中火力，针对这个领域进行实验。

接下来我们将按照产生实验→决定优先级排序→设计和开发实验→分析数据→应用结果这一流程，
具体介绍增长团队如何针对聚焦领域进行实验。

7.4.1 第一步，产生实验想法

针对聚焦领域，通过数据分析制定几个大的探索方向，
然后针对每一个方向，产生出一系列的备选实验想法，记录在增长规划图中。

ABC订房网的新用户增长团队针对聚焦领域“提高新用户首次订房的成功率”，
首先想尝试的方向就是优化新用户订房流程，
因为经过数据分析，增长团队发现很多新用户填写了订房信息，但是在确认之前就流失了。

团队继续进行了问卷调查、用户调研和内部讨论，他们发现了一些线索，并形成了以下三个假设：

■假设1：一些新用户觉得过几天可能会降价，觉得再等几天再做决定也不迟；
■假设2：一些新用户在进入确认页时，看到需要先注册账户，觉得很麻烦就跑掉了；
■假设3：一些新用户看到可以选择的房源太多了，选好了一间又回头去看别的，一纠结就搁置了。

针对每个假设，团队又产生了一系列的实验想法。比如针对假设1，可以做以下实验：
■想法1.1：写上“全网最低价”保证；
■想法1.2：写上“如发现其他低价，可以调整价格”；
■想法1.3：显示“已售罄”酒店信息，给用户增加紧迫感。

针对假设2，可以做以下实验：
■想法2.1：开发Google、Facebook一键注册功能；
■想法2.2：开发免注册预订功能；
■想法2.3：……

针对假设3，可以做以下实验：
■想法3.1：在明显处表明“每日精选”酒店；
■想法3.2：加入“按性价比排序”的功能；
■想法3.3：……

要保证备选方向清单上有足够多的高质量的想法，需要把收集实验想法作为增长流程的常规组成部分：
1）增长团队定期举办实验想法讨论会；
2）通过邮件或定期头脑风暴从全公司收集想法；
3）和客户服务团队或销售团队定期沟通；
4）监测应用商店评价、问卷用户评论、社交媒体评价；
5）定期进行用户电话、入户访谈或用户测试。

7.4.2 第二步，优先级排序

当产生了一些初始的实验想法之后，该从哪个实验入手呢？
增长专家们发明了很多优先级排序系统，比如ICE（Impact=影响力，Confidence=成功率，Effort=开发成本）。
其核心思想就是根据想法的性价比进行排序，“性”就是指预期效果和成功率，“价”就是指开发成本，
一般需要建议量化为对设计师和程序员的时间要求，以小时计较为客观。
预期效果越大，成功概率越高，开发成本越小，优先级越靠前，反之则越靠后。

回到ABC订房网的例子，
“想法2.1：开发Google、Facebook一键注册功能”和“想法2.2：开发免注册预订功能”都有较高的预期效果，但是开发成本也较高。
“想法1.1：写上‘全网最低价’保证”和“想法1.2：写上‘如发现其他低价，
可以调整价格’”的预期效果较高，而开发成本很低，这时候就应该先上线这两个测试。

下面一些详细的标准，可以帮助你判断哪些测试预期效果更好。
如果实验想法具有以下特征，预期效果更好：
1）改变位于网页靠上方的位置，用户无须滚动就可以看到；
2）5秒之内就能注意到的改变；
3）增加或去除某个元素的改变；
4）改变位于高流量页面或用户流程。

如果实验想法具有以下特征，成功概率更高：
1）改变能增加用户动力；
2）想法源于用户测试或定性研究（问卷、访谈、焦点小组）；
3）想法有数据支持；
4）想法有热图（Heat Map）等证据支持；
5）其他网站、产品验证过的最佳实践。

美国知名的酒店和机票预订网站hotwire曾自己发明了一套实验排序系统，如表7-2所示，这对于ABC订房网来说就可以借鉴。

• NPS（Net Promoter Score，净推荐值）
  是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数。
  它是最流行的顾客忠诚度分析指标，是衡量产品给用户带来价值的一个很好的定性指标。

7.4.3 第三步，设计和开发实验

如果你是理科生，大学里应该写过实验报告。上线A/B测试之前，也需要写一份增长实验报告。
在本章最后有一个增长实验报告的模板（见模板2），
其中，实验假设、实验设计、实验指标、实验打分四个部分是实验开发前要做的设计文档。
实验结果、实验心得和后续计划三个部分在实验结束后填写。

针对ABC订房网的例子，实验指标就是每组新用户订房成功的百分比，而实验假设我们可以这样填写：
如果这个实验成功，我预测新用户订房成功比例可以提高20%，因为：
①我们认为很多新用户首次使用ABC订房网时，发现房源很多，觉得过几天可能会降价，觉得再等几天再做决定也不迟；

②如果在订房确认页加入“全网最低价”或者“可以调整价格”的文本，可以消除新用户的疑虑。
这些政策ABC订房网本来就写明了，但是没有显示在新用户酒店预订确认页上。

注意这个假设遵照“如果成功，我预测（实验指标）可以提升（%），因为（原因）”的格式。
它不仅谈到了受影响的指标，还包含了预期的提升数值，以及为什么我们觉得会是这样。
在假设中包含以上三个要素，可以帮助增长团队深入地思考增长实验的目标、预期影响和背后的原因。

7.4.4 第四步，分析数据

在实验上线之后，增长团队需要监测数据。当实验结束时，增长团队需要分析结果。

如何确保实验结果的准确性呢？有下面几条注意事项。

首先，要确保实验结果具有统计显著性（Statistical Significance），如果结果没有达到统计显著性，
说明实验组和对照组的不同可能是由随机误差引起的，可以认为两组结果不相上下，
不应该认为实验组是胜利组，在这种情况下，建议仍然认为对照组是最佳方案。

如果你想进行实验，但又不知道需要用多大的样本量才能达到统计显著性，才能让结果可信，
那么可以考虑选择市面上一些现成的样本计算器，帮助你计算，
如 https://www.optimizely.com/resources/sample/size/calculator/。

你需要设置的参数是：
1）基本的转化率。
比如你想改进产品的注册流程，这一步目前的转化率是20%。
2）最小能监测到的改变幅度。
比如你希望这个改进至少能提升10%的转化率。
3）统计显著值。
一般来说我们建议至少要达到90%，如果达到95%会更保险，这可以保证你的实验结果是可信的，而不是由于随机误差。

如果使用商用的A/B测试工具，如Optimizely，它会自动为你计算实验结果是否达到了统计显著值。
如图7-5所示，在ABC订房网的酒店预订页测试中，
在“订房成功比例”这个指标上，实验组1和实验组2的表现都超过了对照组，分别提高了49.8%和122.5%，并且都达到了90%的统计显著值。

其次，尽量让测试运行完一个天然使用周期。
有时候就算样本量很大，很快就有了统计显著的结果，但是在这种情况下还是建议让这个测试至少运行完一周到两周。
为什么要这样？
因为一两天的数据可能会有比较大的波动，
另外，如果只运行了一两天，这个样本群可能刚好只包含了那些每天都来的高频用户，而遗漏了那些一周才来一次的低频用户。
所以要想一想用户的天然使用周期是多少，如果是以周为单位，那么建议让测试至少运行一周，让高频用户和低频用户都有机会接触到实验。

最后，在分析实验数据时，要把微观的实验结果和宏观的增长指标联系起来。
比如，在ABC订房网的例子里，实验组2将新用户预订成功率提高了122%，那么回到我们之前的增长模型

新用户首次订房数 = 新增用户数 × 新用户首次订房成功百分比 × 每人平均订房数

2016年数据为

180万=1000万×9%×2

假设其他变量不变，变量2从9%提高到20%，那么可以推算出仅仅这个实验就能够带来一年将近220万的新订房数。
这就非常清晰地让人看到增长实验的价值了。

至此，ABC订房网增长团队终于可以填写一份完整的增长实验报告了，如图7-6所示。

7.4.5 第五步，应用结果

根据实验结果，有几种不同的应用路径，和科学实验的方法几乎一模一样（见图7-7）。

如果实验成功，那么将实验组发布给100%的用户。
如果同一个产品有多个平台，如苹果、安卓、网页端，
一般而言各个平台上的用户行为类似，实验结果页类似，建议同一个测试只选取一个平台进行。
所以，实验成功后，需要在其他平台上开发同样的功能。

另外，如果初始实验效果不错，说明在这个点上是有优化空间的。
一般初始实验以尽快上线为目标，设计会比较简单，建议针对这个点继续进行优化，从而最大化效果的提升。

如果实验失败，或者虽然有改善但没有达到统计显著，那么需要总结经验，看看下一步的实验有哪些可以改进的地方。
失败是由于假设不对，还是实验设置有问题。

最后，不管实验成功或失败，都需要尽快将实验的代码清除，以保持代码的干净，为后续实验打好基础。

7.5 无所不在的A/B测试

上面的例子是产品内的A/B测试，事实上，A/B测试作为一种方法论，在增长的方方面面都有所应用，
如：
①付费广告A/B测试；
②应用商店A/B测试；
③着陆页A/B测试；
④新用户引导流程A/B测试；
⑤产品功能A/B测试；
⑥邮件A/B测试；
⑦移动推送A/B测试；
⑧应用内信息A/B测试。

A/B测试的优势有如下几点：
1）量化结果：A/B测试将实验组和对照组进行比较，所以你可以清晰地看到某个改变带来的影响是多少；
2）限制负面影响：
你可以通过A/B测试来衡量一个简易的产品功能原型，如果它失败了，就避免了你投入大量的时间来开发这个功能；
你也可以只把某个改动发布给一小部分用户观察结果，从而限制可能的负面影响；
3）学习：
因为你每次只改变一个变量，所以你可以清晰地知道什么因素导致了结果变好或变差，
从而加强你对产品、用户和渠道等的认识；
4）文化：
A/B测试可以帮助改善HIPPO（Highest paid person opinion，最高工资人意见）问题，
或者与产品或市场经理之间有分歧的情况，每个人的意见都只是意见，而通过测试可以实实在在地看到结果。

A/B测试也有其不可避免的局限：
1）A/B测试虽然可以帮助公司形成战略或愿景，但它本身并不是一个战略方向；
2）开发测试比直接上线功能或创意浪费人力和时间；
3）如果测试意在改善的指标是错误的，比如把利润放在用户参与度之上，可能反而损害了增长；
4）A/B测试更适合优化设计，但是一般很难通过A/B测试开发出全新的设计，所以它会面临局部最大化的问题。

7.6 高效能增长团队的10个习惯

• 1.追求影响胜过一切

增长团队不叫“A/B测试团队”，是因为它的使命不是测试，而是“增长”。
HubSpot的增长负责人要求增长团队避免“从想法出发”，而要“从机会出发”。
如果团队成员想优化某个页面，增长负责人会问“你为什么要优化这个页面？
”如果得到的答案是“因为这个页面的现有设计看起来很糟糕”，那么增长负责人会反问他们：

“有多少人能看到这个页面？”
“如果我们成功，对增长有多大的潜在影响？”
“和其他问题相比，这是不是我们现在可以解决的最重要的问题？”

从机会出发，而不是从“好奇心”、“追求完美”或者“越多测试越好”的想法出发，这保证了增长团队的所有测试都是以结果导向的。

• 2.让速度成为一种习惯

美国艺术内容变现平台Patreon的增长团队把追求速度作为核心目标之一。
因为他们认为，增长团队要想有好的结果就需要敢于冒险，而团队运作越快，每次测试的成本就越低。
根据统计显示，超过60%的增长实验是会失败的，所以追求速度和产出是产生好结果的必要条件。
要想快，最关键的一点是要把实验做小，把大的改动分解为独立的元素，小才能快，快才能小，这两点是相辅相成的。

另外，以小团队的方式组织，沟通成本低，更容易加快速度。
比如Patreon的增长团队由三个程序员、一个分析师和一个增长产品经理组成，每个程序员都有自主设计和完成实验的能力，
他们在自己负责的实验上有自主决策权，无须等待审批反馈，这样就极大地提升了运作的速度。

• 3.有所为有所不为

增长团队在追求增长KPI的同时，也需要给自己的实验设定边界，避免过分追求指标给用户体验和品牌带来负面影响。
同时，那些涉及欺诈或违反规则的测试更是坚决不能做，因为即使一时有效果，效果也是无法持久的。

由于Slack是人们在工作时使用的软件，Slack的增长团队在测试时就非常小心，
因为已有用户的使用习惯已经形成了，他们不会在已有用户的产品界面上做太多的改动，一般会选择在新用户界面上做实验。

冥想应用Headspace的产品界面有着卡通风格，非常受用户的喜欢。
所以增长团队在进行实验时宁可多花一些时间，也要确保实验版本的设计符合产品的整体风格。

送餐应用DoorDash的增长团队为了保证增长实验在改善核心指标的同时，
不影响用户体验，会非常紧密地监测NPS和其他的“反向指标”，以确保不会为了短期的数据增长而牺牲长期的用户忠诚度。

• 4.学会聚焦

做增长，可以做的事情太多了，因此一定要学会有效地聚焦。
Canva的增长团队就把聚焦作为增长团队成功的前提之一。
成立初期，增长团队负责人就把搜索引擎优化（SEO）视为唯一的工作重点，
花了9个月的时间来产生各种内容，优化Canva的所有页面，成功地把网站的访客数提高了3倍多。
如果增长团队一上来什么都想做，可能反而什么都做不好。

• 5.明确职责，争取领导层的支持

增长团队的运作模式打破了传统的公司部门结构，因此很多时候会遇到来自其他功能团队的阻力，会被认为入侵了别人的领地。
这个时候，增长团队需要来自领导层的有力支持。Facebook是最早成立增长团队的公司，其增长团队也是硅谷增长团队规模最大的之一。
这个团队之所以能够发展成上百人的规模，并且从2008年以来持续成功推动增长，
就是因为Facebook领导层非常坚定地支持增长团队，增长团队负责人直接汇报给CEO，并且清晰地界定了增长团队的职责。

Pinterest前增长负责人也建议增长团队早期选择一个其他团队没有重点关注的领域以避免“领地之争”，
能够专心出结果：比如未登录用户的用户体验、邮件和通知、新用户引导流程、分享流程等。

• 6.倡导全公司的增长文化

因为增长这个概念相对而言还比较新，要想成功在公司内推进增长，增长团队需要主动承担起“布道师”和“宣传委员”的职责，
让其他团队了解增长是怎么一回事，并且让他们看到增长对用户和公司实实在在的益处。
这需要一种思维方式的转变。

早期增长团队有任何小胜利都应该积极宣传和庆祝，
比如，火狐的增长团队会把所有增长实验都发布在公司维基上，供大家阅读；
Patreon的增长团队负责人每周会发一封增长实验邮件，和大家分享增长实验的结果。

最成功的增长团队不仅自己可以持续产出结果，
还可以让数据“说话”、测试验证的思维方式，传播到各个部门，让增长成为公司DNA的一部分。

• 7.投资基础设施

要想有效地进行增长实验，数据不是可有可无的，它是决定成败的关键。
所以，增长团队需要投资足够的人力和资源，来完善数据和测试基础设施，而不是把这些看作业余项目，在开发实验之余做一下。
大如Facebook的规模，也曾在发现基础设施的漏洞之后，一度停下所有的新产品开发项目，
集中精力修补这些漏洞，为之后的高通量测试打下了基础。

对于小型的增长团队而言，你需要从第一天就开始花时间把所有的用户行为事件定义好，利用Adjust等工具把用户渠道追踪好。
对于较大的增长团队而言，则意味着开发自己的数据和测试平台，如Airbnb和Pinterest都开发了自己的A/B测试平台。
投资基础设施建设不是浪费时间，相反，前期花足这些时间，可以让增长实验事半功倍。

• 8.第一性原理

Dropbox的增长团队强调当把最初的那些显而易见的实验都做了之后，
仅仅依靠参考行业内其他产品或者对照最佳实践按图索骥，是不可能产生最有影响力的想法的。
相反，应该通过“第一性原理”的思考来不断创新。

你应该问自己，为什么这个改动会有帮助，并一直追问到不能继续下去为止，然后用最直白的语言回答这个问题。
比如，Dropbox的增长团队测试了一个功能，当一个公司付费计划内剩余的用户席位低于一定数值时，
Dropbox会给这个公司的管理员发送通知，这个功能就是受到当汽车油箱里的汽油量显示低时，汽车仪表盘会有灯亮起的启发。

“太阳底下无新事”，在产生实验想法的时候，不要把自己局限于高科技行业，去其他产品和事物上寻找灵感，反而会事半功倍。
比如Pinterest团队在思考如何提高产品的病毒传播特性时，就后退一步，
去思考历史上那些成功的病毒传播案例，如流行玩具悠悠球等有什么共性。

• 9.敢于探索新方向、突破局部最大化

如果增长团队只在现有产品和渠道基础上做优化实验，
很快就会面临“局部最大化”的问题，即在目前的设置下达到了最优解，无法继续突破。
因此，增长团队需要敢于探索全新方向，比如尝试全新的用户获取渠道，或者设计全新的新用户引导流程。
事实上，很多增长团队在运行比较成熟之后，会尽量安排一定比例的big bet（大赌），
留给那些一旦成功则预期效果很好，但是不确定性大，而且投入也高的增长实验。

• 10.“胜利或学习”的态度

很多增长实验专家都强调实验后进行心得总结的重要性，
所谓的“Experiment for the learn，not for the win”（为了学习而不是为了胜利实验），这并不是一句空话。
因为实验的妙处就在于可以告诉我们假设是对还是错，从中得到的洞见可以帮助我们设计下一个实验，
从这个意义上说“There are no failed experiments，hypothesis proven wrong”
（没有失败的实验，只有我们的假设被证明不正确而已）。
用这样一种态度来对待A/B测试，有利于在接连遭遇失败时不气馁，因为实验本身成了最好的学习方式。

拿来就能用的模板

• 1.模板1：增长规划图

• 2.模板2：增长实验报告

参考文献